MATLAB实现LSTM(长短期记忆神经网络)时间序列预测

使用keras库，数据来自BCI Competiton数据集下的Data from Berlin组的mat文件，请仅限用于研究，数据包组成，使用后三个量x_train（训练集）,y_train（标签）,x_test（测试集），训练集有316组样本，样本由500毫秒下28通道的数据构成，数据详细描述：http://www.bbci.de/competition/ii/berlin_desc.html。使用k折验证法验证，验证结果极佳，但没有测试集的标签，所以不知道对于新数据的分类情况如何。

针对群体情绪识别准确率的问题，结合卷积神经网络（CNN）与长短期记忆网络（LSTM），提出一种多流CNN-LSTM网络模型学习群体情绪的静态和动态特征。以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。

《NLP汉语自然语言处理原理与实现》第九章LSTM的python的代码实现，使用python3实现。可运行。

用LSTM长短期记忆网络实现的金融序列单步预测的代码，基于keras框架搭建的模型，可以用于参考学习